Aug, 2023
深度伪造检测中通过多任务学习探索普适性注意力
Attending Generalizability in Course of Deep Fake Detection by Exploring Multi-task Learning
Pranav Balaji, Abhijit Das, Srijan Das, Antitza Dantcheva
TL;DR本研究探讨了多任务学习技术的各种方式，旨在将视频分类为原始或经过操纵的情况，以在深度伪造场景中达到广义性。我们在评估中使用的数据集是 FaceForensics++，其中包括通过四种不同技术进行操纵的 1000 个原始视频，共计 5000 个视频。我们对多任务学习和对比技术进行了大量实验，这些技术在文献中已经很好地研究了其广义性的好处。可以得出结论，所提出的检测模型具有较好的广义性，即与最先进的方法相比，能够准确地检测训练过程中未遇到的操纵方法。